O livro

Origem, contexto, o problema que o Kafka resolve e por que ele não é apenas uma fila.

Comparação técnica entre Kafka, RabbitMQ, AWS SQS, AWS SNS e Google Pub/Sub.

Producer, Broker, Cluster, Topic, Partition, Offset, Consumer e Consumer Group: as peças que compõem o Kafka.

Por que partitions existem, como a key determina a ordenação e por que o Kafka não garante ordem global.

Replication Factor, Leader, Follower, ISR e o que acontece quando um broker cai.

Como um Consumer Group divide partitions entre consumers, o que acontece quando essa divisão muda, e o custo real de um rebalance.

Como um consumer marca até onde já leu, a diferença entre auto commit e commit manual, e os riscos de cada abordagem.

Por quanto tempo o Kafka guarda um evento, e como usar essa retenção para reprocessar histórico com replay.

Como distinguir erro transitório de erro permanente, e por que o Kafka não tem DLQ nativa como o SQS.

At Most Once, At Least Once e Exactly Once: o que cada garantia realmente promete, e onde exactly-once para de valer.

Por que consumers precisam ser idempotentes, e como implementar isso com eventId, constraint de unicidade e atomicidade.

O problema do dual write entre banco e Kafka, e como o transactional outbox resolve com consistência garantida.

KafkaTemplate na prática: topic, key, value, serialização, callbacks, headers e correlationId.

@KafkaListener na prática: groupId, concurrency, Acknowledgment, desserialização e tratamento de exceções com retry e DLQ.

Consumer lag, throughput, logs estruturados, correlationId, métricas e tracing: como saber que um pipeline Kafka está saudável.